يك الگوريتم تكاملي تخمين توزيع جديد با استفاده از اتوماتاي يادگير
محورهای موضوعی : مهندسی برق و کامپیوتر
1 - دانشگاه صنعتی امیرکبیر
کلید واژه:
چکیده مقاله :
در سالهای اخير رويکرد جديدی به منظور حل مشکلات الگوريتمهای تکاملي به ويژه الگوريتمهای ژنتيکي مورد توجه محققين قرار گرفته است. اين رويکرد مبتني برايجاد مدلهای احتمالاتي از ژنوم‌ها و اجزای سازنده آنها مي‌باشد. تاکنون الگوريتمهای متنوعي بر اين اساس ارائه شده‌اند که اگر چه برخي از سادگي الگوريتمهای ژنتيکي برخوردار نيستند، اما در حل مسائل با موفقيت بيشتری روبرو بوده‌اند. در اين مقاله رهيافت ديگری از اين الگوريتمها را بر اساس اتوماتای يادگير معرفي و مورد بررسي قرار مي‌دهيم. در اين رهيافت مدل احتمالاتي اجزای سازنده مسئله به وسيله اتوماتای يادگير و بر اساس ژنوم‌های نسل توليد شده تخمين زده مي‌شود. الگوريتم پيشنهادی بسيار ساده و برای مسائل مورد بررسي در اين مقاله دارای کارايي خوبي مي‌باشد.
In order to overcome the poor behaviors of genetic algorithms in some problems other classes of evolutionary algorithms have been recently developed by researchers. Although these algorithms do not have the simplicity of classic genetic algorithms but they are superior to genetic algorithms. The Probabilistic Model Building Genetic Algorithms or Estimation of Distribution Algorithms (EDAs) is one of these classes which is recently developed. In this paper we introduce a new estimation of distribution algorithm based on Learning Automata. The proposed algorithm is a model based search optimization method that uses a set of learning automata as a probabilistic model of the population of solutions in the search space. The proposed algorithm is a simple algorithm which has produced good results for the optimization problems considered in this problem.
